选题方法全网最全使用指南:从入门到榨干 ✍ 诺鸭船长3🕐 2026-07-22📦 18.5 KB 🟢 已读 𝕏 文章列表 文章提供了一套系统的选题方法论,强调从真实信号出发而非让 AI 空想。涵盖了建立 5 个选题入口、利用旧文章数据、挖掘社区问题、多维扩角及反向开题等技巧,并推荐了 5 个实用的 Skill 项目,帮助创作者筛选出值得写的优质选题。 选题内容创作AI辅助写作技巧方法论 # 选题方法全网最全使用指南:从入门到榨干 **作者**: 诺鸭船长3 **日期**: 2026-07-21T12:37:13.000Z **来源**: [https://x.com/noahduck283/status/2079546236441653632](https://x.com/noahduck283/status/2079546236441653632) ---  做榨干系列,最难的往往是决定下一篇写什么。能碰的方向很多,但真正有问题、有证据、能撑起一篇长文的题很少。 我也试过让 AI 一口气列几十个选题。看着很热闹,仔细一看,大多换个产品名照样成立。因为它只是在组合标题,没有去评论、搜索、GitHub 和社区里找真实问题。 所以这篇不再教你“让 AI 多想几个题”,直接给你一套可以重复执行的选题流程。我整理了多种方法、5 个可以直接借鉴的 Skill 和项目,带你从真实信号出发,最后筛出 3—5 个能马上开写的题。 # 目录(后续写作流程尾部跳转) 一、别再让 AI 空想 50 个选题:先建好这 5 个选题入口 二、旧文章别只看阅读量:从评论、搜索词和高表现内容里找续篇 三、去 GitHub、Reddit 和产品社区挖题:专找重复问题、反对意见和内容缺口 四、一个大词怎么变成几十个角度?试试内容矩阵、4A 和五问法 五、大家都在写同一个观点时,用反向开题找被忽略的成本和边界 六、5 个可以直接拿来选题的 Skill 和项目 七、20 个候选怎么压到 3 个?用四道门和 BREW 排序 八、最后做成自己的选题 Skill:输入信号,输出一张可开写的选题卡 # 一、别再让 AI 空想 50 个选题:先建好这 5 个选题入口 一个选题最好先有信号,再有标题。 读者在评论区追问某个步骤,是信号;三个开源项目的用户都在催导出功能,是信号;一个长尾搜索词不断把人带到旧文章,也是信号。“帮我想 50 个关于 Codex 的选题”不是信号,只是生成指令。 可以长期建五个入口:  五个入口不是五份选题清单。它们应该进入同一张“选题信号卡”: - 读者原话或原始问题是什么? - 它从哪里来,什么时候出现? - 谁在什么场景里遇到? - 现有答案哪里不够? - 我手里有没有官方证据、真实案例或亲测? 先记信号,不急着起标题。同一个信号后面还可以拆出多个角度;标题起得太早,反而容易被第一个想法锁死。  # 二、旧文章别只看阅读量:从评论、搜索词和高表现内容里找续篇 自己过去的内容,通常是最便宜的选题库。但只把文章按阅读量排一遍,很容易得出错结论。 一篇旧文表现好,可能是题选对了,也可能是发布时间、标题、分发或偶然热点帮了忙。比起复制那篇文章,更值得做的是拆它: 1. 它解决了哪个具体问题? 2. 读者为什么收藏、转发或评论? 3. 哪个章节被提到最多? 4. 读者看完以后,继续问了什么? 5. 它的成立条件现在还在吗? HubSpot 公开的 Lookalike Content Skill 也是这个思路:先分析自己或外部的高表现内容,归纳出内容画像,再生成带标题、角度、开头和形式的候选题。它不让 AI 直接仿写爆款,而是先找出哪些模式可以复用。 评论区则可以按四类整理: - 卡步骤:读者做到哪一步不会了。 - 求对比:读者在两个选择之间犹豫。 - 求更新:版本、价格、入口或规则已经变了。 - 补案例:读者提供了原文没有的用法或反例。 每类都能长出不同的续篇。卡步骤适合补教程,求对比适合写选择标准,求更新适合改旧稿或写迁移篇,补案例则可以变成进阶用法。 有搜索数据的人,还可以看 Search Console 的查询词报告。高曝光、高点击的查询词,可以往进阶篇和案例篇扩;高曝光、低点击先检查标题是不是答错了搜索意图;多个长尾词反复指向同一个任务,再考虑单独成篇。 如果内容量已经比较大,可以像 BlackTwist 的内容分析 Skills 一样,把单篇表现、受众增长、内容模式和下一轮优化分开。数据适合帮你找模式,不适合替你宣判因果。 第一次做,拿最近 10 篇内容、20 条评论和一份搜索查询表就够了。先只找“重复出现的下一个问题”。 # 三、去 GitHub、Reddit 和产品社区挖题:专找重复问题、反对意见和内容缺口 自己的数据还不够时,就去别人已经在提问的地方找。先盯住三类信号:重复问题、承诺与追问的落差、现有答案的缺口。 ## GitHub:一条 Issue 是线索,多个项目都在问才值得写 找 3—5 个解决相近任务的项目,先看 Issues、Discussions 和 Releases,别急着按 Star 排名。 把用户问题按安装、平台支持、导出、隐私、稳定性、迁移和学习成本分类。单独一条只记录;跨项目、跨时间重复出现,再升级为候选题。接着回到 Releases 和已关闭的 Issue,查问题是否已经解决,最后去 Reddit、视频评论或产品社区验证它是不是只影响少数技术用户。 可以搜“产品名 + 替代品”、“需求 + 桌面端”、“需求 + Windows”,或在 Issues 里重点看功能请求、需要帮助、长期未解决和维护者明确不做的问题。如果需要原始英文搜索词,再使用 alternative、desktop app、feature request 这类最短必要词。 ## Reddit:搜读者已经说出来的半个标题 Reddit 适合找还没被整理成教程的原始问题。优先搜四类句式: - “我怎么才能……”,对应最短搜索词 How do I。 - “有没有工具能……”,搜索时使用“工具 + 具体任务”。 - “我试了 X,但是……”,对应 I tried。 - “关于这件事,有哪些少数观点”,对应 unpopular opinion。 不要把最夸张的吐槽直接当结论。记下提问者的场景、已经试过的方法、评论区的反对意见,再看同类问题是否重复出现。 ## Product Hunt:看产品承诺了什么,用户追问了什么 Product Hunt 产品页上,一边是产品的一句话介绍、首图和创建者首评,另一边是用户关于价格、隐私、导出、集成和竞品差异的追问。 每天找 5 个同类产品,记录它们的一句话承诺和评论区里最常出现的问题。产品说“统一所有资料”,用户却反复问能不能导出;产品说“AI 工作台”,用户却一直问和 ChatGPT 有什么区别。选题往往在这个落差里,不在当天的排名里。 ## 搜索缺口:有人找,不等于你就该写 YouTube Studio 的趋势页 和 TikTok 创作者搜索洞察 都会给出受众在搜什么、哪些主题内容不足等线索。先搜自己的长期主题,再看现有内容是根本没有,还是太旧、太泛、没答到具体任务。 Google Trends 只适合帮你看相关搜索、上升问题和长期走势。它的数据是归一化后的相对兴趣,不是绝对搜索量。一根突然抬头的曲线,不足以单独立项。 无论从哪个社区找题,都用同一条判断:单条讨论是线索,跨平台重复才算信号。你还要能给出比现有答案更好的路径,否则不用急着开写。 # 四、一个大词怎么变成几十个角度?试试内容矩阵、4A 和五问法 找到一个真问题,还不等于找到了最合适的写法。“AI 内容创作”“GitHub”“Codex Skill”都只是对象,不是选题。 ## 内容矩阵:子主题 × 内容形式 Justin Welsh 的内容矩阵 先列长期主题下的子主题,再列步骤、预测、故事、观察、反向观点等内容形式,两边交叉得到候选题。 以“AI 内容创作”为例,子主题可以是选题、调研、初稿、去 AI 味、配图、分发和复盘;形式可以是教程、对比、常见错误、工具清单和案例。只有先一步找到的真实信号,才有资格进入矩阵。否则,矩阵只会更高效地生产普通选题。 ## 4A:同一个对象,试四种写法 Ship 30 for 30 的 4A 把角度分成四类: - 可执行:怎么做,给步骤、工具和资源。 - 分析:拆数据、趋势、原因和机制。 - 案例:讲经历、转折、教训和起步路径。 - 人性观察:解释人为什么会卡住、误判、害怕或被误导。 “如何做选题 Skill”是可执行角度;“为什么 AI 列的选题总是很像”是分析角度;“我怎么给榨干系列建选题库”是案例角度;“创作者为什么会不断收藏选题模板”是人性角度。 ## 五问法:从一次经历里拆出五种内容 Justin Welsh 还给过一套五问法:我能教什么?我观察到了什么?我的看法和常见建议有什么不同?有哪些工具和教训可以列出来?这件事为什么会发生? 这套问法适合拆自己已经做过的事。它能从一篇长文里继续拆出教程、观察、反常识、资源清单和原因解释,但不能替代外部需求验证。 一篇支柱长文发布后,还可以用 1—3—5 拆分法:先抽出 3 个能独立成立的判断,每个再变成短帖、视频、轮播或提问。选题库不该每次从空白开始。 这些方法只负责把角度变多,不证明这个题值得写。 # 五、大家都在写同一个观点时,用反向开题找被忽略的成本和边界 有真需求,也有具体角度,仍然可能写成一篇别人已经说过很多次的文章。 这时候可以用反向开题。Kieran Flanagan 公开提到过 Opposite-Start,本地的《写作 Skill 全网最全使用指南》已经把它整理成一个可执行流程: 1. 这个话题最拥挤的共识是什么? 2. 这句话忽略了什么成本、失败条件或反例? 3. 哪类人并不适合这条建议? 4. 有没有更窄,但证据更硬的切口? 比如“AI 能提高写作效率”没有错,但已经非常拥挤。往反方向问,就会出现更具体的题:速度提高以后,被省掉的是重复劳动,还是作者判断?哪些环节越快,稿子越容易空?读者讨厌的到底是 AI 句式,还是文章里没有作者选择? 再比如“多装几个 Skill,AI 就会更强”。反向开题会继续问:Skill 越多,冲突和维护成本会不会也越高?一个创作者到底需要多少个?什么时候应该合并,什么时候应该拆开? 反向开题最后要留下一张角度卡,别只留一个故意惊人的标题。卡上记主流角度、反向角度、可用证据、最大风险、推荐主线和不建议写的主线。 边界也很清楚:反向不等于反对。如果只能找到情绪,找不到反例、条件和证据,就回到普通但真实的角度。  # 六、5 个可以直接拿来选题的 Skill 和项目 下面这 5 个项目并不处在同一个环节。有的从旧内容里找新题,有的负责批量拆角度,有的只负责筛选。先按问题选,不要一次全装。 ## 1. HubSpot Lookalike Content Skill:从高表现内容里找下一题 - 适合:已经有一批旧内容,但不知道哪些模式可以复用。 - 输入:自己表现好的内容,或者真正欣赏的外部内容。 - 输出:高表现内容画像,以及带标题、角度、开头、形式和趋势信号的候选题。 - 限制:官方公开页 能确认工作方式,完整资源需要留资获取;历史成功也不等于当前仍有空白。 ## 2. Charlie Hills 的内容矩阵:批量拆角度 - 适合:长期主题已经确定,但每次只会想到同一种写法。 - 输入:内容支柱、细分主题、受众和过去的内容数据。 - 输出:content-matrix 用内容支柱与表达形式交叉生题,niche-research 补细分领域信号,post-scorer 用历史内容给新候选做参照。 - 限制:仓库的效果说明 主要来自作者;部分研究功能依赖浏览器和 Apify。 ## 3. BlackTwist 内容模式分析:从已发内容里找重复有效的部分 - 适合:已经稳定发布,需要从一批内容里找模式。 - 输入:已发内容、表现数据和受众增长数据。 - 输出:哪些主题、内容类型和形式反复有效,以及下一轮应该测什么。 - 限制:开源仓库 可以拆结构,部分自动取数依赖 BlackTwist;表现相关不等于选题导致了结果。 ## 4. content-topic-judgment:给候选题过四道门 - 适合:候选题很多,AI 每个都说值得写。 - 输入:候选题、业务或账号主线、客户问题、关键词和历史数据。 - 输出:相关性、外部信号、内容深度和发布时机的判断。 - 限制:content-topic-judgment 是传播很小的项目,这里只借它的结构,不把它包装成主流标准。 ## 5. MKT1 营销策略 Skill:先写清楚哪些题不该选 - 适合:长期写同一个账号,但容易被热点和偶发兴趣带偏。 - 输入:核心受众、定位、长期优势、希望建立的认知和当前优先级。 - 输出:一份所有后续内容简报、审稿和优先级判断都会引用的长期策略 Skill。 - 限制:MKT1 这套方法 不负责批量生题,它负责约束方向。 五个里,只想先用一个的话,按自己最大的问题选:旧内容多就看 HubSpot 和 BlackTwist,主题大就看内容矩阵,候选多就用四道门,账号容易跑偏就先做长期策略 Skill。 # 七、20 个候选怎么压到 3 个?用四道门和 BREW 排序 扩角度的方法越好用,候选题就越容易过量。这时不要给 20 个题都打一串小数点,先过四道门: 1. 相关性门:选题到账号主线要转几次弯?如果需要长篇解释“为什么这和我有关”,就先降级。 2. 信号门:有没有读者提问、搜索、评论、跨平台重复或历史数据?只有“我觉得有意思”,就继续等材料。 3. 深度门:教程能不能给可复现步骤,解释文能不能给出超过表面的判断? 4. 时机门:这个题是不是已经写晚了,或者空白已被补齐?旧题表现好,不代表今天重写仍然有价值。 通过四道门的题,再用 Ahrefs 的 BREW 排先后: - 账号价值:它离你的长期内容、产品或业务有多近? - 读者范围:能帮到多少人,这些人是不是你想服务的读者? - 制作成本:需要多少研究、亲测、采访、截图和后续更新? - 作者能力:你有没有经验、案例和判断把它写深? 假设手里有三个题:“10 个最强写作 Skill”“如何做一个选题 Skill”“AI 写作的未来”。第一个好写,但容易变成名单;第三个覆盖面大,但距离真实任务太远;第二个如果已经有评论提问、可运行流程和本地实例,相关性、信号和深度都更强。 这只是排序示例,不是真实数据结论。换一个账号、一批读者或一个时间点,顺序都可能变。 最终不要只留一个分数。给每个入选题留下一句“为什么现在写”和一条“什么情况下不写”,这两句比 8.6 分更有用。  # 八、最后做成自己的选题 Skill:输入信号,输出一张可开写的选题卡 这 17 种方法不需要每次全跑。更实用的做法,是把稳定流程做成自己的选题 Skill。 它只做五步: 1. 读取旧稿、评论、搜索、社区线索和当前变化。 2. 把原始材料统一成选题信号卡。 3. 用内容矩阵、4A 和反向开题扩角度。 4. 用四道门和 BREW 过滤、排序。 5. 只输出 3—5 张可开写的选题卡。 可以先用下面这份最小版本: 第一次跑这套流程,不用导入所有历史数据。拿 10 篇旧内容、20 条评论、3 个同类项目的 Issues,再加一份搜索查询就够了。 选题 Skill 不保证爆款。它更实际的价值,是让你少在没有需求、没有证据、也没有自己判断的长文上浪费时间。 我是诺鸭船长,带你在信息的海洋里寻找陆地~ 其他写作榨干系列(其他系列移步个人主页) 爬虫工具全网最全使用指南:从入门到榨干全网 写作 Skill 全网最全使用指南:从入门到榨干 去AI 去味全网最全指南:从识别到榨干 ## 相关链接 - [诺鸭船长3](https://x.com/noahduck283) - [@noahduck283](https://x.com/noahduck283) - [12K](https://x.com/noahduck283/status/2079546236441653632/analytics) - [Search Console 的查询词报告](https://support.google.com/webmasters/answer/17011259?hl=zh-Hans) - [BlackTwist 的内容分析 Skills](https://github.com/blacktwist/social-media-skills) - [YouTube Studio 的趋势页](https://support.google.com/youtube/answer/11962757?hl=zh-Hans) - [TikTok 创作者搜索洞察](https://support.tiktok.com/zh-Hans/using-tiktok/growing-your-audience/creator-search-insights) - [Justin Welsh 的内容矩阵](https://justinwelsh.me/essays/build-a-content-library) - [Ship 30 for 30 的 4A](https://www.ship30for30.com/post/how-to-generate-112-new-content-ideas-in-30-minutes) - [五问法](https://justinwelsh.me/essays/5-questions-for-endless-content) - [1—3—5 拆分法](https://justinwelsh.me/essays/how-1-piece-of-content-becomes-16-the-1-3-5-method) - [Kieran Flanagan 公开提到过 Opposite-Start](https://www.kieranflanagan.io/p/ai-content-all-sounds-the-same-heres) - [仓库的效果说明](https://github.com/charlie947/social-media-skills) - [开源仓库](https://github.com/blacktwist/social-media-skills) - [content-topic-judgment](https://github.com/pencil20388-eng/content-topic-judgment) - [MKT1 这套方法](https://newsletter.mkt1.co/p/build-marketing-strategy-skill-in-claude-code) - [Ahrefs 的 BREW](https://ahrefs.com/blog/?p=186463) - [爬虫工具全网最全使用指南:从入门到榨干全网](https://x.com/noahduck283/status/2068173537005932865?s=20) - [写作 Skill 全网最全使用指南:从入门到榨干](https://x.com/noahduck283/status/2074319994935218232?s=20) - [去AI 去味全网最全指南:从识别到榨干](https://x.com/noahduck283/status/2069030402048893317?s=20) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [8:37 PM · Jul 21, 2026](https://x.com/noahduck283/status/2079546236441653632) - [12.1K Views](https://x.com/noahduck283/status/2079546236441653632/analytics) - [View quotes](https://x.com/noahduck283/status/2079546236441653632/quotes) --- *导出时间: 2026/7/22 11:25:01*
9 9 harsh truths that will make you a better writer 文章分享了九个残酷但真实的写作建议,帮助读者克服写作障碍。核心观点包括:读者只关心写作对他们的价值、完美主义是恐惧反馈的表现、从个人经验出发、不需要完美的笔记系统、现在就是开始的最佳时机等。鼓励立即行动,通过持续练习提升写作技能。 读书 › 方法论 ✍ Dickie Bush🕐 2026-07-30 写作自我提升方法论行动力个人成长内容创作写作技巧心态调整procrastinationaudience building
幽 幽默不是天赋,而是可以训练的SOP 文章作者通过引用单立人的教材,分享了如何通过“主题+态度+前提”的结构、预期违背、夸张化、制造焦虑和冲突以及寻找生活荒谬感等SOP方法,将平常事物转化为黑色幽默内容,强调幽默和爆款内容背后都有规律可循。 技术 › 工具与效率 ✍ Foe Ally🕐 2026-07-20 幽默方法论SOP内容创作单口喜剧写作技巧黑色幽默
保 保姆级:用AI搭建选题流水线,从信息源到入库全流程 本文分享了如何利用 AI 构建自动化的内容选题系统。作者提出“选题是信息处理问题而非灵感问题”,通过确立“四层水源”(快、深、慢、反)、撒下“关键词渔网”、AI 初筛信息、人工做四维判断以及入库排期这五个步骤,实现每天自动生成 10 个带数据和角度的选题,从而告别创作焦虑,提升内容生产效率。 技术 › 工具与效率 ✍ 爆裂队长NEXT🕐 2026-05-24 AI工作流内容创作自动化知识管理Agent选题方法论Obsidian效率工具
A AI时代的内容创作方法论:从信息获取到故事讲述 本文作者分享了其在AI领域三年的内容创作经验,总结了一套包含“获取信息、找角度、创作”三步走的实战方法论。文章强调内容的本质是“讲故事”而非简单的“信息搬运”,提倡跨领域的信息摄入(美第奇效应),并详细阐述了如何通过“反差”和“陌生化”寻找独特视角,以及如何利用喜剧和电影的节奏理论优化内容结构。文末还分享了公众号运营的四个核心数据指标,强调正向价值观的重要性。 职场 › 方法论 ✍ 数字生命卡兹克🕐 2026-05-18 内容创作AI运营方法论故事叙述数据分析自媒体职场技能写作技巧美第奇效应
如 如何永不过写作灵感:用问题构建内容库 文章指出写作灵感枯竭源于错误的方法,提出以“收集问题”代替“寻找灵感”的框架。通过挖掘读者深层问题、从社区互动中寻找素材、将单一问题拆解为多篇内容,并用10种不同形式回答,即可建立庞大的内容库并确立权威。 职场 › 沟通 ✍ Nicolas Cole🕐 2026-07-27 写作技巧内容创作灵感收集个人品牌提问框架
如 如何用AI写出引人入胜的故事钩子 文章介绍了如何利用AI生成引人入胜的故事钩子,以传奇文案大师John Carlton的方法为灵感。通过深入调研和挖掘独特故事细节,再结合Claude的提示词,可以创作出具有视觉冲击力和强迫性的钩子,提升内容吸引力。 技术 › LLM ✍ Nicolas Cole🕐 2026-07-25 AIClaude文案写作故事钩子提示词内容创作John Carlton写作技巧数字写作吸引注意
如 如何利用AI保持一致的写作风格 文章探讨了使用AI写作时如何保持一致风格的方法。作者指出了常见错误,并提出了三条规则:按内容类型分离线程、风格变化时开启新线程、建立上下文中心以解决遗忘问题。强调先掌握写作技能再利用AI提升效率。 技术 › LLM ✍ Nicolas Cole🕐 2026-07-24 AI写作风格一致性内容创作写作技巧
从 从选题到风格|8个写作 Skills 推荐 文章介绍了8个辅助写作的AI Skill,涵盖选题、写作和风格三个环节。工具包括公众号选题分析师、智能选题助手、商业访谈写作助手、新世相编辑风格模拟及个人写作资产引擎等,旨在帮助创作者解决选题枯竭、逻辑构建和风格培养问题。 技术 › Skill ✍ nene🕐 2026-07-23 写作AI工具选题风格YouMind公众号内容创作
新 新号如何利用长文实现流量与变现 本文分享了作者如何利用推特长文,从零开始两周通过创作者收益门槛,并持续产出百万级流量爆文的经验。文章拆解了爆款长文生产的四个关键环节:选题、标题、开头和正文结构,并提供了一套从流量到变现的完整SOP流程,强调内容创作是对注意力和行为的设计。 职场 › 技能 ✍ Koda🕐 2026-07-18 内容创作推特运营爆款写作流量变现方法论SOP
构 构建可复用十年的AI写作框架 本文探讨了如何构建一个健康、可持续的AI写作框架,旨在帮助写作者避免被特定软件厂商或AI模型绑架。作者提出了一套基于文件夹系统和Agent工具的“AI外骨骼”工作台,强调让AI辅助而非替代创作,实现数据的自主掌控和灵活迁移,从而让作者专注于故事创作本身。 技术 › 工具与效率 ✍ 忒修斯的船板🕐 2026-07-16 AI写作工作流自动化写作技巧AgentClaudeObsidian方法论
当 当你讨厌打造“个人品牌”时如何建立受众 作者探讨了在厌恶个人品牌营销的情况下,如何构建受众的三种替代策略:一是借用已有内容创作者的渠道进行合作;二是利用 SEO 和 AI 搜索引擎优化(GEO)建立长效流量资产;三是构建垂直领域的媒体资产。文章强调了借力合作和系统化内容分发对于产品推广的重要性。 职场 › 职业发展 ✍ Louis McKeeve🕐 2026-07-14 个人品牌营销策略SEO流量增长内容创作创业独立开发AI辅助
怎 怎样写好一篇推特文章:从读者的时间线出发 本文从读者视角出发,提出了撰写高质量推特文章的核心原则。文章强调写作应始于“阅读承诺”,通过降低理解成本、展示论证过程、提供可带走的价值(如清单或框架)来吸引读者。作者还分享了具体的写作结构模板,帮助作者在碎片化的信息流中有效传达观点并促进传播。 职场 › 沟通 ✍ Mr Panda🕐 2026-07-13 写作推特内容创作沟通技巧方法论读者视角社交媒体